人工智能行业重磅人事变动：滴滴出行副总裁叶杰平将于近期离职
学术头条今日，中国人工智能行业又有重磅人事变动：滴滴出行副总裁、AI Labs 负责人叶杰平将于近期离职。
对此，滴滴官方回应称：滴滴 AI Labs 负责人叶杰平因个人原因将于近期离职。叶杰平内部告别信表示，希望尝试去探索 AI 在其他领域的可能性。叶杰平离职后，CTO 张博将兼任 AI Labs 负责人，滴滴智能控制首席科学家唐剑将任 AI Labs 副主任。
叶杰平于 2015 年加入滴滴。这个时间点，也正是全球范围内，各大互联网公司用高薪、奖金和股票套餐来吸引人工智能专家离开学术界的“运动”高潮——2015 年，单单 Uber 从卡内基梅隆大学的机器人实验室就雇佣了 40 人，其中就包括教授级别人员。
而具体到滴滴，这家发展势头迅猛的出行公司自然也不会缺席这股浪潮：在已经拥有主打搭建滴滴交通大脑的滴滴研究院、以及主打大数据安全和智能驾驶的美国研究院之后，滴滴于 2018 年创办 AI Labs，叶杰平被任命为该团队的负责人。
公开信息显示，叶杰平毕业于上海复旦大学数学系，后获美国明尼苏达大学博士，是美国密歇根大学终身教授以及密歇根大学大数据研究中心管理委员会成员，专业方向包括机器学习、数据挖掘以及大数据分析。其学术成就在业内处于领先地位，在机器学习和数据挖掘国际顶级会议及期刊上共发表论文 200 余篇。曾获 KDD 和 ICML 最佳论文奖以及美国国家自然科学基金会生涯奖 （NSF CAREER Award），并担任多个机器学习和数据挖掘领域顶级会议的主席。现任职机器学习和数据挖掘期刊 IEEE TPAMI，DMKD，和 IEEE TKDE 的副编委。
当时，滴滴 AI Labs 的建立，被认为是滴滴继研究院（主打搭建滴滴交通大脑）及美国研究院（主打大数据安全和智能驾驶）之后，在科研网络上进一步拓展，带来三足鼎立的局势：它将主要探索 AI 领域技术难题，重点发力机器学习、自然语言处理、计算器视觉、运筹学、统计学等领域的前沿技术研究及应用，为下一代技术做好准备，期望能用技术构建智能出行新生态。
从这段介绍也不难看出，滴滴 AI Labs 算是三大 AI 团队中离业务线最远、负责布局前沿技术的角色。
也正因如此，在机器学习研究领域颇有建树的叶杰平，成为滴滴 AI Labs 的掌舵人。
作为滴滴 AI Labs 的一把手，叶杰平曾在多个行业场合发布演讲，介绍滴滴在“AI＋ 出行”领域的技术探索和布局。
例如三层结构来布局人工智能：“最底层是基础的算法，包括强化学习、深度学习、统计、运筹等基础前沿算法；中间层是核心 AI 技术，横跨语音识别、NLP、CV、知识图谱等多个领域；顶层是应用，包括交通基础设施智能化，交通工具的电动化和自动化，以及如何用AI技术提升出行的安全、体验、效率”。
以及更具体的目前“滴滴出行”的各大模块：路径规划、ETA（estimated time of arrival）、智能订单分配、交通容量管理、供需均衡、拼车、安全评估等。
但滴滴最为行业称道的，还是它的订单匹配技术，在某个时刻乘客和空闲车辆的匹配量可能就达到了千万级。由于路面情况不同，同样一公里可能因为交通拥堵情况而导致行驶时间不同，因此在距离评估以外，更困难的时间评估也被引入考量。
作为滴滴 AI Labs 的负责人，我们也能在滴滴 AI Labs 官网一窥叶杰平所带领的这支团队交出的“成绩单”，主要有以下 6 项：
自然语言处理——以滴滴的智能客服系统与贴心出行助手为代表。
司乘体验——基于出行大数据的人工智能方法提升用户出行体验和服务效率。
平台效率——用统计学习，增强学习，和模拟系统来优化交易和运营策略，并完善智能系统。
语音互动——专注于车载领域，高性能语音唤醒，识别，合成，对话理解技术。
计算机视觉——聚焦光学字符识别，人脸识别，质检，感知，理解，相互作用等技术，提供出行服务标准质检，出行交通感知，智能交互等技术方案。
智能地图引擎——针对滴滴海量实时出行数据和复杂的业务场景需求，开发全新的地图服务系统，如路径规划，时间预测（ETA），路况等。在这里，我们也对比了与滴滴的 AI Labs 有较大可比性的 Uber AI Lab 。
Uber AI Lab 比滴滴 AI Labs 早两年成立，定位同样是作为 Uber 的技术储备小分队，探索机器学习的前沿领域并将关键进展应用到其业务中（从外卖派送路线规划到 Uber 自动驾驶的所有任务），具体包括开发需要较少数据的机器学习形式；不仅使用数据而且使用明确的规则来训练 AI 系统；和设计可以解释其决策的机器学习系统等等。现在在 Uber AI Lab 的官网上，还能看到与之相关的学术论文研究。
1 2 下一页>
